Контент-ферма: урок Perplexity для автоблога на AI-конвейере

Если вы разбираете свежие истории вокруг нейросетей вместе со мной, заходите в мой Telegram-канал «The Maslov». Там я выкладываю разборы связок, нейросетей и лидогенерации без лишней теории и с готовыми решениями, часто раньше, чем они доезжают до блога.

Что случилось: контент-ферма на 215 128 страниц, которую цитирует Perplexity

В начале сентября 2026 года независимое исследование ИИ-цитирования показало, что три сайта наштамповали 215 128 страниц вида «лучший софт для такой-то задачи», а ИИ-поисковик Perplexity цитировал их в своих ответах как надёжный источник. По сути это огромная контент-ферма, и дело даже не в числе её страниц. Штамповку нейросеть тащила прямиком в рекомендации о том, какой продукт покупать, и вот это уже проблема.

Сразу поясню, что за зверь Perplexity, потому что дальше без этого никак. Это поисковик, который вместо списка синих ссылок отвечает готовым текстом и рядом показывает источники, на которые опирался. Человек читает ответ, видит пару ссылок «по данным такого-то сайта» и по инерции им доверяет, ведь их выбрала умная машина.

Теперь представьте, что вместо экспертов машина выбрала конвейерную ферму. Исследователи опросили модели Perplexity по 380 категориям софта, собрали 7 534 цитирования по 2 055 разным доменам и сверили их с публичным рейтингом сайтов. Картина получилась невесёлая.

Сами по себе три сайта дали всего 2,4% цитирований и попали в 41 категорию из 380. Доля крошечная, а вот сам факт, что откровенная ферма вообще пробралась в ответы ИИ про выбор софта, и есть суть истории.

Как ферма технически обманула ИИ-поисковик?

Страницы фермы писались не для читателя, а для робота-сборщика, который готовит ответ нейросети. У части страниц в служебном заголовке вкладки стояло буквально «Facts & Grounding Page», то есть «страница фактов для грандинга».

Грандинг звучит страшно, а смысл простой. Когда вы задаёте вопрос ИИ-поисковику, он сначала подтягивает документы из интернета и уже на них строит ответ. Вот этот этап подтягивания и называется грандингом, и слово это из словаря инженеров, живые покупатели им не пользуются. Ферма назвала свои страницы так, будто адресовала их прямо программе, которая их прочтёт.

Улики массовой генерации торчали наружу. На трёх сайтах насчитали девять разных авторов с выдуманными именами. В подписи к части статей остался невычищенный шаблонный кусок вроде «Within the next 26 days», который никто не удосужился заменить перед публикацией. А один из сайтов на главной хвастался, что его материалы «проверены четырьмя моделями», среди которых были и те самые нейросети, которых он и вводил в заблуждение.

Можно ли доверять самим разоблачителям?

Скажу прямо, доверять на сто процентов не стоит никому, и расследователям тоже. За первым расследованием стоит человек, который ведёт целую серию однотипных отчётов от загадочных исследовательских групп, и это насторожило читателей не меньше самой фермы.

На профильном техническом форуме для разработчиков история собрала около 500 голосов и порядка 250 комментариев. Часть обсуждения свелась к неудобному вопросу, а не выглядит ли сам разоблачитель ещё одной аккуратно упакованной контент-машиной. Кто-то прямо предположил, что за самой фермой и её разоблачением может стоять один и тот же заказчик, и обратил внимание на подозрительное сходство между разными «независимыми» расследователями.

Я не берусь судить, кто тут прав, да это и не главное. Даже если мотивы у расследователей мутные, цифры они привели проверяемые, а сама уязвимость от этого никуда не делась. Держите в голове обе мысли сразу, и что ферма реальна, и что жанр громких разоблачений сам давно стал способом продвижения.

Если такие разборы вам заходят, у меня их много в Telegram-канале «The Maslov». Тема доверия к источникам в ИИ-поиске напрямую бьётся с тем, чем я там занимаюсь, а именно с лидогенерацией и нейросетями в реальной работе, где важно отличать рабочий инструмент от красивой обёртки.

Баг Perplexity или системная уязвимость AI-поиска?

Уязвимость системная, и три сайта тут лишь верхушка. По данным того же исследования, 59,8% всех цитирований Perplexity вели на сайты хуже сотого места в рейтинге популярности, а 23,4% вообще не попадали в первый миллион. То есть нейросеть регулярно опирается на малоизвестные и никем не проверенные страницы, и три засветившиеся фермы тут лишь частный случай.

Параллельный независимый аудит добавил красок. Из цитирований, которые Perplexity привязывал к конкретной цифре в ответе, 34,7% вели на страницу, где этой цифры попросту не было или страница вовсе не открывалась. Ещё четверть процитированных адресов ни разу за всю жизнь не попадала в веб-архив, будто их создавали под один конкретный ответ. А дорогая модель поиска по точности не отличалась от дешёвой, хотя вход в неё стоил втрое, а каждый ответ пятнадцатикратно дороже.

Про то, по каким признакам нейросети вообще решают, кого процитировать, и как под это подстраиваются добросовестные сайты, я подробно разбирал в материале о GEO-продвижении. Здесь же важно другое. Схожую мысль ещё раньше высказывали исследователи одного профильного центра цифровой журналистики, называя это устойчивым, повторяющимся поведением ИИ-поиска. Проще говоря, так этот механизм работает всё время, просто раньше его никто не измерял.

Чем это грозит обычному автоблогу без злого умысла?

Главная опасность даже не в штрафе. Куда серьёзнее заражение по ассоциации. Если ваш автоблог собран на шаблонных страницах и AI-конвейере без человеческого контроля, при следующем таком аудите он рискует встать в один ряд с настоящими фермами, хотя злого умысла у вас и в помине не было.

Дальше начинается самое неприятное. У классического поиска есть кабинет вебмастера, где видно, за что прилетело, и куда можно написать. У ИИ-поисковиков такого окна нет. Вы не узнаете, почему нейросеть перестала вас цитировать или, наоборот, приклеила к списку сомнительных источников, и пожаловаться будет некому. Это новый вид репутационного риска, которого ещё пару лет назад не существовало, и живёт он по своим, пока никем не описанным правилам.

Какие привычки AI-конвейера незаметно превращают блог в ферму?

Ферму от нормального блога отличает набор привычек, и сам по себе факт использования нейросети тут ни при чём. Каждую из них видно в этом кейсе, и каждая по отдельности выглядит безобидной оптимизацией. Вот пять таких привычек.

1. Штамповка тысяч почти одинаковых страниц под комбинации ключевых слов. 215 128 страниц физически не мог прочитать ни один живой редактор, поэтому качество каждой из них никого не волновало.
2. Текст, написанный для робота-сборщика, а не для человека. Как только структура и заголовки затачиваются под то, чтобы вас подхватила модель, а не дочитал читатель, вы повторяете ровно тот приём, который и разоблачили.
3. Отсутствие фактчека прямо в процессе. Помните про 34,7% цитирований, где нужной цифры на странице не оказалось. Ровно так и рождаются непроверяемые источники.
4. Выдуманные авторы и общая инфраструктура под маской независимости. Девять несуществующих имён на трёх сайтах с одним и тем же техническим хозяйством выдали ферму с головой. А проверки на ИИ-текст тем временем учатся читать даже скрытые метки в сгенерированном тексте, про это у меня есть отдельный разбор водяных знаков Claude для автоблогов.
5. Ставка на объём как на стратегию. Логика «чем больше страниц, тем выше шанс попасть в выдачу» знакома каждому, кто пробовал массово публиковать сгенерированное. Её пределы я разбирал на примере заработка на книгах от нейросети, и там всё упирается ровно в то же самое, в качество каждой отдельной единицы.

Что меняем в подходе к генерации контента после этого урока?

Менять нужно порядок действий вокруг инструмента. Сам инструмент тут ни при чём. Я для себя давно вывел рабочую схему, в которой сначала идёт исследование, потом черновой прототип, потом короткий боевой пилот в нише и только затем, если цифры подтвердились, из этого делается стандарт и регламент. Ферма пропускает всё, кроме последнего шага, и сразу выкатывает тысячи страниц.

Второй принцип, который меня не раз спасал, звучит как «меньше магии, больше метрик». Любую новую модель или инструмент я прогоняю через простой вопрос, сколько рутины она реально снимает и не растит ли риск выдуманных фактов. Красота текста тут второстепенна. Нейросеть в такой рамке работает как турбина, которая добавляет скорости, но за рулём всё равно сидит человек, отвечающий за текст, факты и вкус. Убираете человека, и турбина без пилота улетает ровно в ту ферму, которую мы весь разбор и разбираем.

Отсюда же растёт и стратегическая разница. Ферма гонится за объёмом ради самого присутствия в выдаче, а устойчивый путь строится вокруг владения своей органикой вместо аренды кликов, вокруг факт-базы и контроля качества. Ещё пару лет назад я писал, что пока нейросети используются в формате игрушек и огромного количества малоприменимого контента, они рискуют унаследовать судьбу интернета. Кейс с Perplexity ровно про это.

Как выглядит чек-лист «не ферма» для автоблога на AI-конвейере?

Короткий ответ, чек-лист сводится к тому, чтобы вернуть в конвейер человека и метрики. Пройдитесь по нему перед следующей публикацией, много времени это не займёт.

1. Каждую страницу перед публикацией открывает и вычитывает живой человек, а не только скрипт.
2. Из текста вычищены шаблонные хвосты и заготовки, вроде незаполненных дат и плейсхолдеров.
3. Каждая цифра и факт в черновике сверены с первоисточником. Где нейросети чаще всего врут и как это ловить до того, как ошибка уйдёт в трафик или к клиенту, я собрал в разборе ошибок ИИ.
4. Под материалами стоит реальный автор с реальной ответственностью, а не выдуманное имя из генератора.
5. Заголовки и структура написаны для читателя, а проверить это легко. Прочитайте страницу вслух и спросите себя, дочитал бы её живой человек до конца.
6. Число страниц не считается метрикой успеха. Успех меряется тем, доходит ли до вас живой трафик и заявки, а не тем, сколько статей вы выкатили за месяц.
7. Похожие проекты не выдаются друг за друга как независимые источники, если стоят на одной инфраструктуре.

Как проверить, что ваш домен не всплывёт в следующем таком расследовании?

Проверять придётся руками, готового кабинета для этого никто пока не сделал. Раз в пару месяцев прогоните свой домен через несколько ИИ-поисковиков и посмотрите, за что и в каком контексте вас цитируют, а заодно поищите название своего сайта в свежих разборах контент-ферм.

Смотрите на три вещи. Первое, не приписывают ли вам цифры и факты, которых у вас на странице нет. Второе, не оказались ли рядом с вами в цитировании откровенно мусорные домены, по которым вас могут смести за компанию. И третье, совпадает ли то, что о вас говорит нейросеть, с тем, что вы писали на самом деле. Это новая гигиена, такая же обычная, как раньше была проверка позиций в поиске, и делать её придётся регулярно.

Что не так с самим жанром «расследование поймало ферму»?

Напоследок трезвая мысль, ради которой стоило дочитать. Жанр громкого разоблачения фермы сам легко превращается в контент-маркетинг, и в этой истории мы это уже видели, когда самих расследователей заподозрили в том же грехе.

Отсюда простое правило на будущее. Не верьте на слово ни ферме, ни её обличителю, ни ИИ-поисковику, который цитирует обоих с одинаково уверенным лицом. Проверяйте цифры сами, держите человека в контуре и не путайте объём с ценностью. Пройдитесь по чек-листу выше перед следующей публикацией, а раз в пару месяцев прогоняйте свой домен через ИИ-поисковики, как я показал разделом выше. Тогда в чужом разборе про контент-фермы вы окажетесь автором, на которого ссылаются, и точно не героем, которого разбирают.

Если хотите разбирать такие кейсы и собирать свой AI-конвейер без скатывания в ферму, подписывайтесь на мой Telegram-канал «The Maslov».

Евгений Маслов - маркетолог, работаю с платным трафиком и лидогенерацией, веду этот блог. Собираю связки «трафик, оффер, заявки» и внедряю нейросети в реальную работу фрилансеров и небольших команд.